Bayesian Few-Shot Learning
Bayesian few-shot learning kombinira Bayesovsku inferenciju s meta-učenjem kako bi omogućio modelu generalizaciju iz samo jednog do pet označenih primjera po klasi. Tretirajući parametre specifične za zadatak kao slučajne varijable i učeći informativni prior preko mnogih zadataka treniranja, metoda proizvodi kalibrirane procjene nesigurnosti uz predviđanja — ključnu prednost u odnosu na determinističke few-shot učitelje.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- Gordon, J., Bronskill, J., Bauer, M., Nowozin, S. & Turner, R. E. (2019). Meta-Learning Probabilistic Inference for Prediction. International Conference on Learning Representations (ICLR 2019). link ↗
- Finn, C., Xu, K. & Levine, S. (2018). Probabilistic Model-Agnostic Meta-Learning. Advances in Neural Information Processing Systems (NeurIPS 2018), 31. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Bayesian Few-Shot Learning (Meta-Learning with Bayesian Inference). ScholarGate. https://scholargate.app/hr/machine-learning/bayesian-few-shot-learning
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bayesovsko prijenosno učenjeStrojno učenje↔ compare
- Učenje s malo primjeraStrojno učenje↔ compare
- Gaussovi procesiStrojno učenje↔ compare
- Polu-nadgledano učenje s malo primjeraStrojno učenje↔ compare
- Prijenosno učenjeStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →